前面,笔者已经介绍过solr里面另外2种中文分词的配置,今天就来就简述一下mmseg4j在solr4.3里面的配置,mmseg4j也是一款很优秀的中文分词器,是用Chih-Hao Tsai 的 MMSeg 算法(http://technology.chtsai.org/mmseg/ )实现的中文分词器,并实现 lucene 的 analyzer 和 solr 的TokenizerFactory 以方便在Lucene和Solr中使用。
其实,配置分词很简单,只要有分词jar包,然后在solr的schemal.xml里面配置一个分词器,就可以了,如果还想在专业一点,可以自定义词典库,禁用词库,相似词库等等,这些的实现都也很简便,在schemal.xml同一级目录里面,放进去需要定义词库的txt文件就可以了,然后在配置里面加上相应的配置就可以了,在这里仅说说基本的入门配置
下面给出在schemal.xml里面的配置
<!-- 配置 mmseg4j分词器 -->
<fieldType name="text_msg" class="solr.TextField" positionIncrementGap="100">
<analyzer type="index">
<!-- 索引时候的分词器-->
<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"/>
</analyzer>
<analyzer type="query">
<!-- 查询时候的分词器 -->
<tokenizer class="com.chenlb.mmseg4j.solr.MMSegTokenizerFactory"/>
</analyzer>
</fieldType>
然后,在注册一个字段类型
<!-- mmseg4j的引用字段 -->
<field name="msg" type="text_msg" indexed="true" stored="true" multiValued="true"/>
最后把分词的jar包,放入solr里面就可以
F:\tomcat\webapps\solr\WEB-INF\lib
mmseg4j的3个jar包
mmseg4j-analysis-1.9.1.jar
mmseg4j-core-1.9.1.jar
mmseg4j-solr-1.9.1.jar
下面会附上3个jar,包当然也可以自己去官网上下载
https://code.google.com/p/mmseg4j/downloads/list
至此就配置完了,启动solr就可以在UI页面分析测试了。
分享到:
相关推荐
- **2.2.1 mmseg4j**:一种常用的中文分词工具,适用于处理中文文本,提高搜索准确性。 - **2.2.2 paoding**:另一种流行的中文分词工具,同样用于提高中文搜索的质量。 **2.3 多核(MultiCore)配置** - **2.3.1 ...
- **2.2.1 mmseg4j**:这是一种基于词典的中文分词工具,适用于精确度要求较高的场景。 - **2.2.2 paoding**:Paoding是一种高性能的中文分词器,支持多种分词模式,包括精确模式、全模式等。 **2.3 多核...
mmseg4j是一种用于中文分词的工具,可以集成到Solr中。安装步骤如下: 1. 下载mmseg4j插件。 2. 将插件jar包放置在Solr的lib目录下。 3. 在schema.xml中定义使用mmseg4j的Analyzer。 - **2.2.2 paoding** Paoding...
- **2.2.1 mmseg4j**:mmseg4j是一种基于最大匹配算法的中文分词库,可以在Solr中使用它来提高中文文本的搜索效果。 - **2.2.2 paoding**:paoding是一款高性能的中文分词工具,同样适用于Solr,支持自定义词典和...
- **2.2.1 mmseg4j**:一种常用的中文分词库。 - **2.2.2 paoding**:另一种常用的中文分词库。 ##### 2.3 多核(MultiCore)配置 - **2.3.1 MultiCore的配置方法**:介绍如何在Solr中设置多核。 - **2.3.2 为何...